افشین خالقی - دانش آموخته کارشناسی ارشد مهندسی مالی دانشگاه صنعتی خواجه نصیرالدین طوسی
امیر یزدی - دانش آموخته کارشناسی ارشد MBA دانشگاه صنعتی خواجه نصیرالدین طوسی
سیدبابک ابراهیمی - دانش آموخته کارشناسی ارشد MBA دانشگاه صنعتی خواجه نصیرالدین طوسی

در این مقاله تلاش شده است تا با استفاده از شبکه های عصبی مصنوعی و درخت تصمیم محبوبیت پست ها در شبکه های اجتماعیاینستاگرام و فیسبوک براساس شاخص های غیرمحتوایی پیش بینی شود. تعداد 6 شاخص برای شرکت آربن آوت فیترز کهتولیدکننده لباس در آمریکا می باشد، استخراج می شود. همین طور 4 ویژگی ورودی غیرمحتوایی که بر شاخص های خروجی اثرگذارهستند، در نظر گرفته می شوند. در این مقاله از دو روش شبکه ی عصبی مصنوعی و درخت تصمیم نیز جهت پیش بینی شاخص هایمحبوبیت پست استفاده می شود. نتایج تحقیق نشان می دهد با استفاده از این تکنیک ها می توان تا مقدار زیادی شاخص هایمحبوبیت غیرمحتوایی متناظر با شبکه های اجتماعی را پیش بینی کرد. بنابراین مدیران بازاریابی با استفاده از مدل های طراحی شدهمیتوانند در مورد انتشار پست در شبکه های اجتماعی در زمان مناسب و یا عدم انتشار آن تصمیم گیری کنند. انتشار پست در زمانمناسب موجب افزایش تعاملات مشتریان با پست ها می شود و بروی برند شرکت اثرگذار می باشد.

درخت تصمیم، شبکه های اجتماعی، شبکه ی عصبی مصنوعی